这篇文章是 Addy Osmani 于 2026 年 11 月 17 日发布的长文: 《How the Claude Code team thinks about verification》 中文可以翻译为:Claude Code 团队如何
#AI Agent 26 篇
Databricks:Teach Genie One your workflows 深度总结 Databricks 官方博客 · 2026年11月16日 · Noah Solomon 原文核心:教 AI Agent 学会你的工作流程,而不只
Harrison Chase(@hwchase17,LangChain 创始人)关于「如何设计 Agent 目标范围」的长帖总结 发布于 2026 年 11 月 14 日,与 Actively AI 的 @mgarimella 和 Ansh
CopilotKit 发布 OpenBot 1.0:MIT 开源、可自托管的 AI 同事,内置治理机制 CopilotKit 于 2026 年 11 月 9 日正式发布了 OpenBot 1.0 。这是一款 MIT 许可证 的开源、可自托管
笔记本合上带走,桌上这台接着开:Agent 照常跑定时任务、模型照常出图,本机处理的文件留在电脑里,这些活也不按 token 付云端 API 的钱。
大家以为给 AI 开通了系统权限它就能干活,这支会计团队发现,得像带新人一样写手册、定权限、从旁观带到独立上岗。
Bland 发布了第一款语音到语音模型 Tofu-1,专门做银行、医疗、保险、政府这类听错一句就要出事的电话:直接听声音,边听边说,边说边查。1 月初推出,Bland 称 92% 的人听不出它是 AI。
阿里 Qwen 团队的新旗舰,定位全天候 AI 同事:会开 Blender 建模、用虚幻引擎做能玩的游戏、给汽车零件编加工程序,长任务先交首版再逐版更新;同档推理更省 token,API 也降了价。
文章总结:使用 NVIDIA NeMo Switchyard 在 Amazon Bedrock 上为编码代理请求智能路由到合适模型 这是一篇 AWS 机器学习博客(2026年11月13日发布),介绍如何通过 NVIDIA NeMo Swit
Anthropic 出了一份搭常驻 Agent 的官方指南:一个能自己醒来、记得上次做到哪、做完会来找你的 Agent,靠收件箱、定时器、记忆、权限、发件箱五个部件拼成一个循环。
Projects 是 Claude Code 里的一种用法:一个对话当协调者,把任务拆成几个线程同时干。Anthropic 这次更新后,协调者会主动汇报进度,岔出来的事和换个做法能各开一个线程,线程还能设提醒、分享成只读链接。
Anthropic 的个人工作 Agent Claude Duet 会主动盯你的邮件、日历和 Slack。The Verge 记者 Allison Johnson 把工作账号全交给它用了一周:在各处消息之间找漏洞很灵,拿捏轻重缓急还差一截,
想让机械臂在仿真里练抓一个易拉罐,难点在于厂商给的 3D 模型只有外形,碰撞、质量、关节得开发者自己一样样补,补完还说不准对不对。这份教程的解法是:这些设置已经做好的资产直接从 Hugging Face 下载,组装和抓取控制交给 Agent
总结:Build once, run on any agent: A practical guide to agent skills 这篇文章介绍了如何用 Agent Skills 把可重复的工程工作固化成可共享、可复用的文件,让同一套技能
总结:使用 Amazon Bedrock 和 Spring AI 构建自主 AI Agent 这是一篇 AWS 技术博客(2026年11月11日发布),由 Viquar Khan 和 Mahammadali Saheb 撰写。文章介绍如何利
Fable 5.2 面向全平台开放、Mythos 5.2 定向赋能安全与生命科学,15 项基准、5 张成本曲线与 4 段实机演示完整拆解
首款由旗舰模型 Muse Wonder Full 训练的轻量级多模态模型,单次任务成本约 0.14 美元,比 Muse Spark 1.3 便宜约 17 倍,专为 Agent 高频调用工具、编程子任务与百万 token 长文档解析打造。
从做创作者营销的 Ethan Ng 手里,一条短视频要走过哪些工序,哪些可以交给 Grok Bot,下一条又怎样用上复盘结果。
Agent 和工程师怎么分工?
同一批农场数据,换一套有道理的分析方法,就可能改变是否推广项目的建议。人类在最后签字,关键取舍又是谁做的?
发一句“帮我买咖啡”,背后需要接住消息、记住进度、操作网页,再完成账号授权与逐笔付款批准。BELL 把这些接法做成了开源示例。
像给联系人交代事情一样,让助手记住背景、主动跟进、参与群聊,再替你向外办事。这些能力怎样接起来,各家又有什么不同?
从修复整站页面、理解录屏,到生成 3D 场景:Google 的这份指南把重点放在目标、工具和验证闭环,也带来了共享百万 token 窗口与长解码。
Lauren Tan 的经验展示了一种职责变化:把反复需要人工介入的环节,建设成 Agent 能自行使用的能力。
OpenRouter 与 Replit 的一场对谈:通用模型负责探索,专用模型接手重复任务,企业用自己的数据、评测和权限把它们组合起来。
Manus 2.0 发布 Cascade、云电脑、事件自动化、Studio、视频编辑器、Game Dev、Computer Use 与 Cue,把一次性 Agent 任务变成能持续运行和继续修改的项目。